Prospectividade, Álgebra de Mapas e Modelos Preditivos
Geotecnologias e SIG
Universidade Estadual de Feira de Santana (UEFS)
Objetivo Central
Compreender como o SIG opera como integrador de dados geológicos, geofísicos e geoquímicos na geração de mapas de prospectividade mineral, articulando modelagem probabilística com restrições socioambientais.
O conceito de sistema mineral (Wyborn et al. 1994) substituiu a análise de depósitos isolados pela modelagem integrada de processos geodinâmicos.
| Componente | Função | Exemplo |
|---|---|---|
| Fonte | Reservatório de metais | Magmático, sedimentar |
| Transporte | Mobilização de solutos | Fluidos hidrotermais |
| Armadilha | Precipitação em sítios favoráveis | Falha, dobra, contato |
O papel do SIG
O SIG opera como integrador da infraestrutura de dados espaciais, convertendo evidências geológicas, geofísicas, geoquímicas e de sensoriamento remoto em camadas preditoras cujo cruzamento probabilístico gera mapas de favorabilidade mineral (Bonham-Carter 1994).
A viabilidade operacional reside na capacidade de gerenciar dados vetoriais e matriciais com sistemas de referência, resoluções e incertezas distintas em um único ambiente analítico.
Revela a susceptibilidade magnética do substrato, permitindo delinear lineamentos estruturais e contatos litológicos encobertos por regolito.
Quantifica as razões K/Th, K/U e Th/U, cujas anomalias positivas de potássio associam-se a halos de alteração potássica diagnósticos de sistemas pórfiro-epitermais (Arai 2012).
Geoquímica e geoestatística
A análise multielementar de sedimentos de corrente identifica dispersões secundárias cuja cinética de adsorção introduz histerese espacial.
O semivariograma captura essa dependência espacial, e a krigagem ordinária fornece:
Conferindo ao geólogo explorador uma métrica quantitativa de confiabilidade para cada célula do modelo.
O sensoriamento remoto explora a resposta espectral de minerais de alteração hidrotermal para mapear zonas prospectivas.
Discriminam feições de absorção diagnósticas:
| Mineral | Comprimento de onda |
|---|---|
| Caulinita | 2,2 µm |
| Montmorilonita | 2,2 µm (ombro a 1,9 µm) |
| Alunita | 1,48 µm |
Zonas de alteração mapeáveis
Algoritmos de desmistura espectral linear (Spectral Angle Mapper) viabilizam o mapeamento com resolução subpixel:
A identificação dessas assinaturas direciona campanhas de campo e reduz o custo exploratório (Arai 2012).
Quando o número de depósitos conhecidos é insuficiente para treinamento estatístico, métodos knowledge-driven derivam pesos a partir de modelos conceituais de metalogênese.
Na modelagem difusa, cada camada de evidência é convertida em função de pertinência \(\mu(x) \in [0,1]\) e combinada pelo operador Fuzzy Gamma:
\[\mu_\gamma = (\mu_{\text{OR}})^\gamma \cdot (\mu_{\text{AND}})^{1-\gamma}\]
O parâmetro \(\gamma\) (tipicamente 0,8 a 0,95) controla o compromisso entre incremento e diminuição, mitigando a ambiguidade inerente a dados não-lineares.
Interpretação do \(\gamma\)
| \(\gamma\) | Efeito |
|---|---|
| 0 | AND puro (restritivo) |
| 0,5 | Equilíbrio |
| 0,8-0,95 | Moderadamente expansivo |
| 1 | OR puro (expansivo) |
Valores altos de \(\gamma\) ampliam a área favorável, enquanto valores baixos são mais restritivos.
O AHP (Saaty 1980) hierarquiza critérios por comparação pareada, gerando pesos normalizados cuja consistência é aferida pela razão de consistência:
\[CR < 0{,}10\]
Caso contrário, a matriz de julgamento deve ser reconstruída.
| Valor | Significado |
|---|---|
| 1 | Igual importância |
| 3 | Importância moderada |
| 5 | Importância forte |
| 7 | Importância muito forte |
| 9 | Importância extrema |
Exemplo de aplicação mineral
Para prospecção aurífera em terreno greenstone:
A análise multicritério integra camadas heterogêneas em um mapa de favorabilidade unificado.
Os Pesos de Evidência empregam o teorema de Bayes para calcular o Contraste (\(C\)) de cada classe de evidência:
\[C = W^+ - W^-\]
onde \(W^+\) e \(W^-\) representam os pesos log-lineares de presença e ausência da evidência (Bonham-Carter 1994).
| Contraste | Significado |
|---|---|
| \(C >> 0\) | Forte associação com mineralização |
| \(C \approx 0\) | Sem associação (irrelevante) |
| \(C < 0\) | Associação negativa |
Premissa de independência
A premissa de independência condicional entre camadas preditoras deve ser testada por qui-quadrado ou pelo teste de Agterberg-Cheng antes da combinação final.
A violação dessa premissa gera inflação espúria de probabilidades posteriores, comprometendo a confiabilidade do mapa de favorabilidade.
Redes neurais artificiais (RNA) e máquinas de vetores de suporte (SVM) capturam não-linearidades complexas entre variáveis preditoras.
A área sob a curva ROC (AUC) é o indicador padrão de capacidade discriminante:
| AUC | Desempenho |
|---|---|
| 0,50 - 0,60 | Pobre |
| 0,60 - 0,70 | Razoável |
| 0,70 - 0,85 | Bom |
| > 0,85 | Excelente |
Validação cruzada espacial
A autocorrelação espacial pode inflar artificialmente métricas quando amostras vizinhas alimentam simultaneamente treino e teste.
A validação cruzada k-fold espacial garante que blocos sejam espacialmente disjuntos, conferindo generalização efetiva ao modelo (Carranza 2009).
No semiárido nordestino, a modelagem mineral enfrenta o desafio adicional de competição pelo uso da água. Cavas e beneficiamento interferem na recarga de aquíferos fraturados.
O mapa de favorabilidade mineral deve ser cruzado com:
Viabilidade mineral no semiárido
A viabilidade de um empreendimento mineral não é determinada exclusivamente pelo teor do minério, mas pela inteligência espacial em demonstrar que a exploração é compatível com:
O SIG converte dados multidisciplinares em modelo de aptidão que antecipa conflitos de licenciamento.
Obrigado!
Luiz Diego Vidal Santos
Universidade Estadual de Feira de Santana (UEFS)
UEFS | Geotecnologias e SIG | SIG e Exploração Mineral